《物流路径建模优化仿真研究的国内外文献综述》3200字

物流路径建模优化仿真研究的国内外文献综述“物流路径优化”的方式与方法，以及运送路线是否合理直接影响配送速度、成本与经济效益,特别是对于多用户运送路线的合理选择是一个相当复杂的系统工程[10]。优选合理的车辆路线,能够通过提高对顾客要求的响应,提升公司的服务水平,提高顾客对运输环节的满意度,减少服务商运营成本REF_Ref15278\r\h[11]。1.1国外研究现状JianyuLong（2018）针对多目标PCVRP-P问题，提出了一种基于Pareto的遗传算法结合局部搜索策略的进化算法(记为HGLS)，已解决路径优化的多目标优化问题REF_Ref28874\r\h[12]。EfrainRuiz（2019）提出了一种有偏随机键遗传算法，用于解决具有容量和距离约束的开放式车辆路径问题。该问题的目标函数是在尊重容量和最大距离约束的同时，最小化车辆行驶的总距离REF_Ref30275\r\h[13]。DhekraRezgui（2019）设计并修改可变邻域搜索(VNS)其目标是设计和寻找最优的路由策略，为运行最后一英里交付的电动模块化车队，以最小的成本，包括采购，旅行和充电REF_Ref31271\r\h[14]。TeobaldoBulhões（2017）提出了一种紧凑的数学描述、分支定价算法和一种基于种群管理的混合遗传算法，在满足几组交付品的服务水平约束下，寻求成本最小化。该算法依赖于问题尾解表示、交叉和局部搜索算子，以及一种自适应惩罚机制，在服务水平和成本之间建立了良好的平衡REF_Ref8568\r\h[15]。NicolasRincon-Garcia（2018）介绍了大邻域搜索算法，该算法考虑了时间窗、时间相关旅行时间和行驶小时规则(EC)，对车辆路径问题变种的基准解(在所需车辆数、行程距离和工作时间方面)进行了大幅度改进。评估了时间窗长度、客户密度、拥堵以及法规对成本和环境影响的影响REF_Ref10027\r\h[16]。ZuiyiShen（2020）在车辆路径问题的优化模型中加入水产品交货的时间窗和路况的不确定性作为约束条件，运用改进的蚁群算法，并在状态转移规则中加入等待因子限制信息范围，从而对其进行计算和仿真。结果证明该算法更有效地优化水产运输配送路径[17]。GeLinDai（2012）介绍了蚁群算法并建立仓库物资运输的车辆路径问题模型，采用自适应蚁群算法，然后用MATLAB软件进行求解，得出了相对良好的优化结果。证明了该计算方法对于解决车辆路径问题的最优解是非常有用的[18]。ZiBoMeng（2012）对生鲜食品运输路径问题进行研究。分析了运输中软硬时间窗口的限制，形成了基于客户满意度的模糊预约时间窗口。构建了运输路线优化数学模型。改进的遗传算法已应用于matlabprogam中。这个progam在模型中找到了最优解。用一个实例证明了模型和算法的可行性。它有12个客户和一个DC需要运输服务。数学模型是模拟生鲜食物在现实范围内的运输。运输路线的设计是为了提高客户满意度,降低运输成本[19]。1.2国内研究现状黄佳艳（2021）提出了一个将人工蜂群数量计算整合到花粉计算中的优化算法,通过利用该算法对中国现代物流配送的车辆路线规划问题进行了解决,并从小于全国二十二个重要物流节点的车辆路线规划问题中寻找最优化路径REF_Ref22941\r\h[20]。王雪兵（2021）以Y物流配送企业为调研对象,通过遗传算法克服了物流运输成本高、汽车装载效率低、物流配送服务质量低等问题,最后实现了合理的减少物流运输成本、提升物流运输配送汽车的载货效能、缩短汽车运行里程,提升Y物流配送企业的服务质量与顾客的满意REF_Ref7733\r\h[21]。尹艺珂（2021）提出了改进的遗传算法和蚁群优化算法，在此基础上设计了一种融合改进的遗传算法和蚁群优化的路径优化算法，将该算法应用到企业物流的实际配送场景，使带时间窗的车辆配送路径优化模型获得了最优的物流配送方案，实现了物流运输合理化，达到减少运输环节成本，提高物流企业经济效益的目的REF_Ref10352\r\h[22]。梅奇（2020）通过对新型零售模式下多物流配送中心及B2B冷链物流配送路径优化问题的深入研究，使用免疫粒子群算法，解决带时间窗的车辆路径问题，使企业合理调度车辆运输，降低企业的冷链配送成本，加快冷链产品的流通。考虑了冷链配送过程中产生的碳排放，符合低碳物流和可持续发展理念，有利于树立良好的公司形象，增强公司的竞争力REF_Ref11542\r\h[23]。胡巧丽（2022）文章以降低配送点成本为目标，综合考虑了降低携带量成本、降低距离成本、汽车的固定价格、运输费用、降低燃料总量损耗成本、等待特定时段的时间惩罚成本等费用最小化的目标，并导入软时间窗惩罚函数、重新构建数学模型，同时输入自适应性竞争战略加快计算收敛速率，以及对将遗传与模拟退火算法随机组成的混合遗传算法加以处理，力求增加收敛速率，从而达到全局的线性组合系数。最后利用实际仿真分析结论，证实上文中所建模块和设计的算法对处理该类问题有效的有用[24]。王长辉（2021）出于提升双工位码垛机储存与检索货物的工作效能、减少工作成本的目的，提出了一个基于蚁群-改进遗传算法的双工位码垛机储存方式优化的途径。经过研究双工位码垛机工作方式，提出了变加速的码垛机工作方式，并构建了双工位码垛机的工作路径数学模型，还提出了蚁群-改进遗传算法，并通过算例验证了该技术能够更高效的调整存取方式[25]。王志强（2020）由于速递行业的高速发展，传统末端物流配送在各个方面的技术水平都并不高，同时，在现代自动化与智能信息领域，技术标准的不统一、重复分配、分配质量差，以及一些技术瓶颈问题也日益严重。该论文以某速递企业的末端物流配送技术为主要研发目标，通过构建以物流配送成本最小化为目标的末端物流配送路径数学模型，并结合遗传算法利用MATLAB软件测算出最适合顾客要求的物流配送方案[26]。李思凡（2019）随着电商与物流配送的迅速发展,提升行业效益已成为整个业界之重。由于配送过程是重要运输环节之一,其成本不但影响公司的经营效益,同时也影响着消费者对商品对配送服务质量的满意度。而由于在末端物流配送过程中,车辆路线问题即VRP问题的合理性也和整个系统有着很重要的关联,所以通过运用遗传算法来优选物流配送路线,就可以有效减少物流配送成本。目前,国外关于路线优选的课题已经有了比较广泛的研究,并且颇有进展。相反,中国国内关于物流配送路线的课题研究相对较少,但是运用遗传算法解决物流配送路线问题的最优预测解十分具有实际意义。文中首先阐述了物流方案设计路径优化原理的内涵,然后再深入地分析了路径优化的实际问题,最后通过构建VRP的模型并引入了遗传算法,终于以南京市诺捷物流有限公司为例求出了最优的预测路径方法[27]。参考文献：参考文献佟瑞.基于众包模式的外卖配送路径优化研究[D].西安理工大学,2019.陆缘缘.末端快递配送路径优化系统的设计与实现[D].南京邮电大学,2021.DOI:10.27251/ki.gnjdc.2021.000956.赵邦磊.基于改进多目标蚁群算法的冷链物流路径优化研究[D].安徽理工大学,2020.高杨.改进遗传算法在冷链物流路径优化中的应用研究[D].天津商业大学,2019.吴迪.基于遗传蚁群混合算法的车辆路径优化研究[D].河北工程大学,2020.王娇.基于多目标决策的生鲜电商联合配送车辆路径优化研究[D].重庆大学,2017.刘书芳.基于模糊时间窗的冷链物流配送路径优化[D].东华大学,2016.孙沪增.基于蚁群算法的WebGIS车辆路径优化系统设计与开发[D].浙江工业大学,2020.丁家财.绿色视角下冷链物流配送路径优化研究[D].江西财经大学,2021.原雅坤.带时间窗多隔室车辆路径问题研究[D].重庆工商大学,2020.武孟贤.基于改进遗传算法的设备巡检路径优化研究[D].河北工业大学,2016.JianyuLongetal.Ahybridmulti-objectivegeneticlocalsearchalgorithmfortheprize-collectingvehicleroutingproblem[J].InformationSciences,2018,478EfrainRuizetal.Solvingtheopenvehicleroutingproblemwithcapacityanddistanceconstraintswithabiasedrandomkeygeneticalgorithm[J].Computers&IndustrialEngineering,2019,133:207-219.DhekraRezguietal.Applicationofavariableneighborhoodsearchalgorithmtoafleetsizeandmixvehicleroutingproblemwithelectricmodularvehicles[J].Computers&IndustrialEngineering,2019,130:537-550.TeobaldoBulhõesetal.Thevehicleroutingproblemwithservicelevelconstraints[J].EuropeanJournalofOperationalResearch,2018,265(2):544-558.NicolasRincon-Garciaetal.Ametaheuristicforthetime-dependentvehicleroutingproblemconsideringdrivinghoursregulations–Anapplicationincitylogistics[J].TransportationResearchPartA,2020,137:429-446.ChenxiaoYu,ZuiyiShen,PengfeiLi.RouteOptimizationofAquaticProductTransportationBasedonanImprovedAntColonyAlgorithm[J].JournalofAdvancedComputationalIntelligenceandIntelligentInformatics,2020,24(4).GuangRongBian,HongShengLi,GeLinDai.ResearchontheOptimizationofTransportationRoutingProblemofWarehouseMaterialBasedonSelf-AdaptiveAntColonyAlgorithm[J].AppliedMechanicsandMaterials,2012,2077(236-237).YingWu,ZiBoMeng,MinPeng.TheResearchontheOptimizationofTransportationRoutingforFreshFoodbyImprovedGeneticAlgorithm[J].AppliedMechanicsandMaterials,2012,1802(178-181).黄佳艳,程科.基于改进花朵授粉算法的车辆路径问题研究[J].计算机与数字工程,2021,49(09):1818-1822.王雪兵.基于遗传算法的Y物流公司配送路径优化研究[D].中北大学,2021.尹艺珂.城市物流配送路径优化算法研究与应用[D].西安石油大学,2021.梅奇.基于免疫粒子群算法的冷链物流配送路径优化研究[D].西安电子科技大学,2020.胡